MétaCan
Menu
Retour à la cohorte
Enregistrement W2193187970 · doi:10.18806/tesl.v32i2.1210

Using Critical Incidents to Understand ESL Student Satisfaction

2015· article· en· W2193187970 sur OpenAlexvenueno aff
John Walker

Notice bibliographique

RevueTESL Canada Journal · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCustomer Service Quality and Loyalty
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLikert scaleQuality (philosophy)PsychologyExploratory researchPedagogySocial psychologySociologySocial science

Résumé

récupéré en direct d'OpenAlex

In a marketized environment, ESL providers, in common with other postcompul- sory educational institutions, canvass student satisfaction with their services. While the predominant method is likely to be based on tick-box questionnaires using Likert scales that measure degrees of satisfaction, qualitative methodology is an option when rich data is desired. The well-established Critical Incident Tech- nique (CIT) is particularly useful in this regard as an exploratory methodology with potential to increase knowledge about previously unknown phenomena. A pilot study with a small sample of ESL students was set up to explore ESL student satisfaction using CIT. The data obtained were analyzed within the framework of Johnston’s (1995) quality factors, then further categorized in terms of satisfying, dissatisfying, or neutral factors. The findings provided some tentative indications of differentiation among ESL quality factors as perceived by ESL students. In- sights were obtained regarding procedural, analytical, and student response issues in the use of CIT in conjunction with satisfaction data. The outcomes supported the view that information obtained through CIT could assist ESL managers and teachers in developing and enhancing quality factors that more accurately reflect student expectations of the service. Dans un environnement commercialisé, les fournisseurs en ALS, tout comme les autres institutions postsecondaires, sondent les étudiants pour connaitre leur niveau de satisfaction avec les services qu’ils offrent. Alors que la méthode la plus couramment employée repose sur des questionnaires à choix multiples avec des échelles de Likert pour mesurer les niveaux de satisfaction, une méthodolo- gie qualitative est à envisager quand l’on désire des données approfondies. La méthode des incidents critiques (CIT) est bien établie et particulièrement utile à cet égard, étant une méthodologie d’exploration avec le potentiel d’accroitre les connaissances de phénomènes inconnus auparavant. On a mis sur pied une étude pilote avec un petit échantillon d’étudiants en ALS pour explorer, par la CIT, leur niveau de satisfaction. Les données ont été analysées dans le cadre des facteurs de qualité de Johnston (1995) et ensuite catégorisées en fonction de facteurs satisfai- sants, insatisfaisants et neutres. Les résultats fournissent des indices de différen- tiation parmi les facteurs de qualité en ALS, tels que perçus par les étudiants. De nouvelles idées sont ressorties par rapport à l’emploi de la CIT et les enjeux liés à la procédure, l’analyse et les réponses des étudiants dans le contexte de données relatives à la satisfaction. La conclusion en est que les informations découlant de la CIT pourraient appuyer les administrateurs et les enseignants dans le déve- loppement et l’amélioration des facteurs de qualité de sorte à mieux répondre aux attentes des étudiants en matière des services.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,376
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,126
Tête enseignante GPT0,345
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTESL Canada JournalMême sujetCustomer Service Quality and LoyaltyTravaux en français237 207